基于信息融合的车辆运行异常程度检测

研究使用GA-FNN算法实时提取车辆监控中运行异常的问题. 利用遗传算法对全局信息的搜索特性, 筛选出有效的传感器信息作为模糊神经网络的输入, 通过模糊神经网络训练出模糊矩阵, 实时检测车辆运行的异常程度. 仿真结果显示GA-FNN算法在车辆实时监控系统中, 可以快速的检测出车辆的异常程度.     

结合信息融合和BP神经网络的决策算法

针对网络输入信息复杂多变,固定的 BP(Back-Propagation)网络结构难以发挥其优势的情况,提出了结合信息融合和BP神经网络的决策算法。即根据输入的变化情况,利用D-S证据理论(Dempster-Shafer,D-S)对BP神经网络的结构进行优选。同时使用粒子群(PSO, Particle Swarm Optimization)算法来确定BP神经网络的初值,以改善其收敛速度慢和容易陷入局部极小值的问题。仿真结果显示,结合信息融合和 BP 神经网络的决策算法和BP神经网络相比,有效提高了BP神经网络训练的时间及预测的准确率,在适应复杂多变的输入信息时具有一定的优势。     

电子注册中巧用VFP技术的实践

学历证书电子注册制度在全国统一实施已经5个年头,如何提高电子注册准备工作的效率以及注册数据的规范性、准确性、完备性已是各高校学籍管理部门研究的课题.招生录取数据是电子注册的基础和依据,它涵盖了电子注册的主要字段信息,了解招生录取数据,巧用VFP技术,补充、修改、完善招生录取数据,是提高电子注册工作效率和电子注册数据准确性的捷径.